鵬格斯資產(chǎn)：整體通用生成式人工智能將會衍生更多云計(jì)算 (公有云) 需求

智通財(cái)經(jīng)APP獲悉，鵬格斯資產(chǎn)管理公司發(fā)布報(bào)告稱，整體通用生成式人工智能將會衍生更多云計(jì)算 (公有云) 需求，無論從 (供應(yīng)端)應(yīng)用開發(fā)人員效率提高及對 (需求端) AI應(yīng)用開發(fā)需求提高。所以估計(jì)能夠更快結(jié)束行業(yè)從2022年開始增速放緩期。這次為行業(yè)的基本面改善，所以整個(gè)公有云更多將會是整個(gè)行業(yè)的機(jī)會。所以鵬格斯認(rèn)為選股也可以從相對股值的角度考慮。值得注意，生成人工智能對于云計(jì)算收入增量不會出現(xiàn)一次性巨量狀況，更多是續(xù)步改善步伐。

同時(shí)，對于SaaS行業(yè)后臺應(yīng)用，通用人工智能的機(jī)會更多于向量搜索以及向量數(shù)據(jù)庫。大部份主要將非上市公司，有部份公司 (例如: snowflake(SNOW.US)通過收購) 向 向量搜索發(fā)展。相信將能夠?yàn)楝F(xiàn)有業(yè)務(wù)帶來額外引流。同時(shí)數(shù)據(jù)處理量多元化及 實(shí)時(shí)性也會對于個(gè)別數(shù)據(jù)庫 (NoSqL- MongoDB) 以及 數(shù)據(jù)連接器 (Confluent(CFLT.US) — Kafka) 的需求將來拉動(dòng)。由于個(gè)別股份的漲幅較多 (例如: MongoDB(MDB.US))，所以應(yīng)該同時(shí)注意投資的風(fēng)險(xiǎn)進(jìn)行考慮。

公有云行業(yè)從2022年開始增長放緩，AI相信有望重燃行業(yè)增長

報(bào)告指出，云計(jì)算行業(yè)經(jīng)過2020/2021年疫情在家工作的推動(dòng)后，2022年/2023上半年行業(yè)整體進(jìn)入了調(diào)整期。云計(jì)算行業(yè)龍頭AWS也從2021年每個(gè)季度按年增長約>30% 大幅放緩到最近季度約按年10%增長。隨著 1). 人工智能應(yīng)用(例如: 聯(lián)天機(jī)器人chatbot) 以及 2). 通用人工智能賦能更快的應(yīng)用開發(fā)效率 (例如: 根據(jù)compass UOL study，使用通用人工智能(generative AI)能夠提升軟件工程師的效率從56小時(shí)縮短到36小時(shí)。同樣完成一樣的工序的情況，從這兩個(gè)推動(dòng)因素下市場開始對于云計(jì)算增長放緩的看法有所改觀。

以傳統(tǒng)公開云行業(yè)占比來說，亞馬遜AWS 于 a). 科技/金融行業(yè)客戶 占比普遍高于其他同行。所以受到科技行業(yè)減成本景氣的情況。而微軟azure 客戶行業(yè)范圍較為闊廣涉及到不同傳統(tǒng)行業(yè)。從公開云增長恢復(fù)的觀點(diǎn)來看Azure較優(yōu)。但由于通用人工智能對(供應(yīng)端)應(yīng)用開發(fā)人員效率以及 對 (需求端) AI 應(yīng)用開發(fā)需求都有所提升，鵬格斯相信云計(jì)算行業(yè)將會是整個(gè)行業(yè)基本面改善。所以于公有云個(gè)股選擇上除了考慮個(gè)股基本面外，應(yīng)同時(shí)考慮估值的相對差距進(jìn)行操作。

截圖來源﹕Business Insider

Generative AI 生成式對于帶動(dòng)SaaS 行業(yè)增長提速

Vector search 向量搜索配合 vector database 向量數(shù)據(jù)庫為生成式通用智能主要支撐工具

報(bào)告認(rèn)為，向量搜索為提供生成式AI 服務(wù)的其中核心工具，當(dāng)中包括涉及到相似度搜索的能力 (使用k-最近搜查來搜索最近的量) 而為輸入的問題 (prompt query) 提供更為準(zhǔn)確的答案。而不同生成式搜索工具之間的性能差別將會影響到AI的準(zhǔn)確性，所以于vector search 的選擇上以質(zhì)量考慮為優(yōu)先。但由于vector search 主要頭部玩家屬于大型上市公司 (例如: facebookresearch) / 私有企業(yè) (例如: milvus)，所以比較難找到單獨(dú)的上市個(gè)股。

Snowflake 最近Neeva 收購以提供vector search向量搜索能力，能為現(xiàn)有業(yè)務(wù)帶來協(xié)同效應(yīng)

報(bào)告認(rèn)為，Snowflake主要提供relational database數(shù)據(jù)庫以及數(shù)據(jù)分析功能，目前主要以relational database 關(guān)系數(shù)據(jù)庫作為支撐。Snowflake公司最近也公布收購Neeva 將會提供生成式AI所需的向量搜索能力。雖然目前snowflake 沒有提及到太多的相關(guān)整合 (預(yù)期將會于6月27號分析師日) 提及到相關(guān)應(yīng)用。鵬格斯暫時(shí)估計(jì)Neeva整合后將會能夠賦能Snowflake為其他客戶企業(yè)內(nèi)部數(shù)據(jù)進(jìn)行聯(lián)天式機(jī)器人chatbot style 應(yīng)用，成為公司未來引流新客戶或者加大現(xiàn)有客戶數(shù)據(jù)于snowflake的存放量。

但比較需要留意的是snowflake現(xiàn)時(shí)行業(yè)收入占比中 約20% 為金融行業(yè)以及部份創(chuàng)投VC企業(yè)，所以短期受到這些行業(yè)的(因?yàn)殂y行信貸危機(jī)影響) 不景氣對使用量 (consumption pattern) 影響較大。雖然Neeva 收購暫時(shí)同貢獻(xiàn)不大，但值得留意未來當(dāng)snowflake neeva為企業(yè)客戶提供生成式AI chatbot企業(yè)搜索功能時(shí)，可能會吸引更多企業(yè)將數(shù)據(jù)存于snowflake。Neeva過去為一家提供AI生成式搜索網(wǎng)站，所以市場比于neeva的向量搜索準(zhǔn)確度都比較確定。

圖表2: 向量資料搜索過程圖

截圖來源﹕Elastic Search

圖表3: 向量數(shù)據(jù)搜索排名

截圖來源﹕Ossinsight.io

Generative AI 大模型應(yīng)用將會加快數(shù)據(jù)流通，利好整體后臺SaaS應(yīng)用

報(bào)告表示，大模型generative AI應(yīng)用除了需要使用向量數(shù)據(jù)庫支撐用戶搜索外，同時(shí)也需要傳統(tǒng)的數(shù)據(jù)庫進(jìn)行額外數(shù)據(jù)存儲。由于generative AI 數(shù)據(jù)庫量可能達(dá)到約千億線級parameters 參數(shù)水平，而且可能涉及到圖像及文字之間不同格式的組合。所以noSQL 的數(shù)據(jù)庫可能提供更方便/靈活的存儲格式，因?yàn)楸容^不受到傳統(tǒng)SQL database表格數(shù)據(jù)單元格式限制。同時(shí)，企業(yè)應(yīng)用更多實(shí)時(shí)性使用prompt 問答應(yīng)用，也會對NoSQl類型的數(shù)據(jù)庫使用量需求預(yù)計(jì)將會利好。

于生成式AI chatbot 應(yīng)用增加用戶與應(yīng)用之間互動(dòng)，賦能更多個(gè)性化服務(wù)以及數(shù)據(jù)庫數(shù)據(jù)儲存

報(bào)告表示，于用戶與應(yīng)用之間互動(dòng)加大的趨勢下，鵬格斯相信會對noSQL類型的數(shù)據(jù)庫需求 (例如: MongoDB文件document-based 數(shù)據(jù)庫) 特別利好。但需要注意MongoDB 最近股價(jià)走勢已經(jīng)漲了不少的風(fēng)險(xiǎn)。由于生成式AI 于客戶交流的時(shí)候，涉及到更多個(gè)人化的信息交換。non-relational 數(shù)據(jù)庫能夠更便捷地儲存用戶相關(guān)信息。

比較有實(shí)時(shí)性需求AI chatbot應(yīng)用亦會趨向使用NoSQL數(shù)據(jù)庫，帶動(dòng)mongoDB數(shù)據(jù)庫需求。根據(jù)6sense.com數(shù)據(jù)，MongoDB 2022年于NoSQL數(shù)據(jù)庫中市占率達(dá)到45.19% 。MongoDB NoSQL數(shù)據(jù)庫也比較適合于處理非結(jié)構(gòu)化數(shù)據(jù)。但值得留意Generative AI人工智能的應(yīng)用利好將會是續(xù)步性，而不是一次性帶來巨量增長。所以值得同時(shí)留意股價(jià)的風(fēng)險(xiǎn)。

圖表4﹕ MongoDB使用例子

截圖來源﹕https://hevodata.com/learn/mongodb-use-case/

大模型應(yīng)用同時(shí)也衍生更多數(shù)據(jù)庫之間的實(shí)時(shí)連接

報(bào)告指出，需求大模型 (特別是針對個(gè)別企業(yè)定制的模型) 需要針對公司內(nèi)部不同系統(tǒng)數(shù)據(jù)庫先進(jìn)行整合，整合過程中將對于數(shù)據(jù)庫連接器軟件的需求增加。Confluent就是一家專門處理資料連接的企業(yè)，近期也提到人工智能應(yīng)用包括: chatbot 聯(lián)天機(jī)器人的互動(dòng)涉及到實(shí)時(shí)數(shù)據(jù)傳輸，而且當(dāng)中可能涉及到多用戶同時(shí)進(jìn)行的運(yùn)輸量。Confluent kafka 就是主要為管理客戶數(shù)據(jù)庫之間的連接，普遍大家認(rèn)為Confluent cloud能夠提供更加穩(wěn)定性強(qiáng)的連接。

對于chatbot聯(lián)天機(jī)器人等的前臺應(yīng)用，連接穩(wěn)定性及實(shí)時(shí)性將直接影響到客戶體驗(yàn)。隨著NoSQL數(shù)據(jù)庫使用場景受惠于Generative AI 應(yīng)用，將會帶來更多的數(shù)據(jù)庫連接器需求。雖然連接器也有部份企業(yè)使用內(nèi)部研發(fā)，但kafka能夠普遍認(rèn)為能夠提供更好的經(jīng)濟(jì)效益。

圖表5﹕ Confluent (Kafka) 于NATS市場占有率為41.21%

截圖來源﹕https://hevodata.com/learn/mongodb-use-case/